Plateau Meteorology

Plateau Meteorology >

2024 , Vol. 43 >Issue 4: 995 - 1010

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00070

Evaluation of Land-atmosphere Coupling Strength in Low-latitude Highland of Southeast Asia by WRF Model Parameterization Schemes

  • Xiuzhi WANG ,
  • Qidong YANG ,
  • Shuaichen HE ,
  • Zilin SHI ,
  • Bingrong Lü
Expand
  • 1. Department of Atmosphere Science，Yunnan University，Kunming 650091，Yunnan，China
    2. Yunnan Key Laboratory of Meteorological Disasters and Climate Resources in the Greater Mekong Subregion，Kunming 650091，Yunnan，China

Received date: 2024-01-17

  Revised date: 2024-05-28

  Online published: 2024-05-28

Fold

Abstract

Southeast Asia's Low-Latitude Highland （LLH） is one of the hotspots of land-atmosphere coupling in the world， with its land-atmosphere interaction has significant impacts on climate， hydrology and environment.This study employs Uniform Design （UD） method to conduct 48 groups of simulation using different parameterization schemes of Weather Research and Forecasting （WRF） model.By optimizing the parameterization schemes， the variables related to land-atmosphere interaction in this area are simulated and evaluated.The findings are as follows： （1） The ensemble of 48 simulation groups demonstrates good performance for near-surface air temperature， near-surface specific humidity， surface downward longwave radiation， surface upward longwave radiation and surface soil temperature， with average Taylor Skill Score （TSS） values exceeding 0.8； for near-surface wind speed， precipitation， surface sensible heat flux， surface latent heat flux， surface downward shortwave radiation and surface upward shortwave radiation， the ensemble simulation can adequately capture the characteristics of these variables， with average TSS values ranging between 0.4 and 0.8； but for surface soil moisture， the ensemble simulation performance is poor， with average TSS values less than 0.4.The variability among different simulation groups is minimal for near-surface wind speed， precipitation， surface latent heat flux， surface downward shortwave radiation， surface upward shortwave radiation， surface soil temperature and surface soil moisture （TSS range < 0.2）； but for the surface sensible heat flux， the variability among different simulation groups is significant （TSS range > 0.3）.（2） The optimal parameterization schemes based on equal-weighted averaged TSS can enhance simulation accuracy for near-surface air temperature， near-surface specific humidity， surface downward longwave radiation， surface upward longwave radiation and surface soil temperature， with correlation coefficients exceeding 0.9 and minor deviations from reference values.However， this optimization could not significantly improve simulation performance for near-surface wind speed， precipitation， surface sensible heat flux， surface latent heat flux and surface soil moisture， where deviations remain substantial.（3） The optimal parameterization schemes can reasonably capture the spatial and temporal features of land-atmosphere coupling， showing strong coupling strength in northeast and southwest LLH， with temporal correlation coefficient greater than 0.9.Nonetheless， the simulated values of coupling strength is generally weaker than the reference values， primarily due to poor simulation performance of surface latent heat flux and surface downward shortwave radiation.

Key words： land-atmosphere coupling; WRF model; low-latitude highland; uniform design

Cite this article

Xiuzhi WANG , Qidong YANG , Shuaichen HE , Zilin SHI , Bingrong Lü . Evaluation of Land-atmosphere Coupling Strength in Low-latitude Highland of Southeast Asia by WRF Model Parameterization Schemes[J]. Plateau Meteorology, 2024 , 43(4) : 995 -1010 . DOI: 10.7522/j.issn.1000-0534.2024.00070

1 引言

陆地表面是地球系统的重要组成部分（Karl et al， 2003）， 将大气、 冰雪和生态等圈层紧密联系在一起。发生在陆地表面的各种物理、 生物和化学过程与其他圈层相互作用， 深刻影响着全球和区域气候的基本特征（Deardorff， 1978）。而气候变化也会反作用于陆气间物质和能量交换， 影响陆地生态和水文过程（Dickinson， 1983； Dirmeyer， 2006）。为此， 世界气候研究计划和国际地圈生物圈计划等都非常重视陆气相互作用的研究（Schaake， 1994； Sillmann et al， 2017）。
鉴于陆气相互作用的重要性， 迄今为止， 众多的研究已从观测和数值模拟方面开展起来。这些研究大致可以分为三个阶段： 第一阶段， 20世纪70年代左右， 通过大气环流模式（GCM）中的数值敏感性实验， 诸如地表反照率和地表粗糙度等对气候模拟的影响， 证实了陆面过程在气候系统中的重要性（Charney et al， 1977； Sud and Smith， 1985）； 第二阶段， 自20世纪80年代起至今， 在全球不同气候区开展了大量的近地层观测实验（Fu et al， 2020； Guan et al， 2018）， 并在观测的基础上发展了不同的陆面参数化方案， 这些方案从仅考虑物理过程的如BATS（Biosphere-Atmosphere Transfer Scheme）和SiB（Simple Biosphere Model）等简单模式， 到包含碳氮循环和动态植被等过程的如CLM（Community Land Model）和Noah-MP（The Noah Land Surface Model， Multi-Parameterization）等复杂模式， 旨在真实地刻画陆气相互作用的物理和生化过程， 准确确定陆气间物质和能量通量（Dickinson et al， 1993； Sellers et al， 1986； Oleson et al， 2010； Niu et al， 2011）； 第三阶段， 自20世纪90年代初开始， 利用陆气耦合模式， 开展了大量的陆气耦合模拟研究， 揭示了陆面过程对全球和区域气候的影响程度以及物理机制（Dirmeyer and Halder， 2017； Koster et al， 2004）， 是目前气候研究中的热点。
在陆气耦合模拟研究中， 检验耦合模式的模拟能力是重要的一环。由于不同耦合模式中参数化方案存在差异， 数值模式对不同气候区或下垫面的模拟能力并不一致。例如， Wang et al（2014）评估了WRF（Weather Research and Forecasting Model）对青藏高原（Tibetan Plateau）陆气耦合的模拟能力， 发现WRF模式能够较好地模拟青藏高原感热通量与降水的变化特征； Hu et al（2014）评估了WRF对黄土高原（Loess Plateau）的陆气变量的模拟能力， 发现WRF模式能够较好地模拟黄土高原的热力特征； Li et al（2022）的研究却发现WRF模式在天山地区对感热通量有所高估， 对气温有所低估， 对积雪深度在生成消融期高估， 而在稳定期低估。上述的研究有利于对这些地区参数化方案的改进。
纵观现有的陆气相互作用方面的研究， 绝大部分研究集中在干旱半干旱区和青藏高原等陆气相互作用的热点区， 而现有的研究也从不同的方面证实了东南亚低纬高原（包括中国西南和中南半岛等东南亚地区）陆气相互作用的重要性。例如， Zhang et al（2008）利用全球的观测资料， 发现中国西南是一个陆气相互作用热点区； 李崇银等（2013）利用WRF模式模拟研究了云南秋季土壤湿度异常对冬季降水的影响， 指出云南地区秋季土壤湿度的异常偏低引起的蒸散发量减少将导致冬季降水的显著减少； Gao et al（2018）利用全球陆地数据同化系统的土壤湿度数据统计分析表明， 东南亚低纬高原秋季土壤湿度出现明显变小趋势， 并且在多个时间尺度上与干旱指数的年际变化基本一致， 可作为干旱预测因子； Meng et al（2014）使用ERA（ECMWF Re-Analysis）资料， 通过统计分析发现中国西南地区春季土壤湿度与夏季降水有显著的负相关关系； Sun et al（2017a）发展了一种新的归因方法， 结合中国西南地区气象台站观测资料研究了参考蒸散发（Reference Evapotranspiration）， 指出年参考蒸散发下降与该地区净辐射减少有关， 其研究对该地区干旱研究具有指示意义； Sun et al（2017b）进一步指出中国西南地区潜在蒸散发异常与干旱事件发生存在密切联系； 2009 -2012年， 中国西南地区遭受持续干旱事件， 其中2011年最为严重， 降水距平小于负2倍标准差（蓝天等， 2021）， 而大量研究表明， 干旱与局地陆气相互作用密切相关。由此可见， 在低纬高原开展陆气相互作用的观测和模拟研究具有十分重要的意义。
鉴于东南亚低纬高原陆气相互作用的重要性， 模式评估方面的研究现已开展起来。例如， Wang et al（2016）和Yang et al（2022）使用了WRF模式对该地区的气候进行了模拟， 发现WRF对高原降水的模拟较为可靠， 但对近地面风速的模拟整体偏大； Wang et al（2014）和姜琪等（2022）模拟发现， 在低纬高原对感热通量的模拟效果较差， 这可能与WRF对积雪深度的模拟有关； Wang et al（2021）和尚程鹏等（2022）研究发现， WRF在低纬高原对潜热通量的模拟效果较差， 这可能与WRF对植被蒸散发的模拟有关； 杨鹏武等（2016）的研究也表明Noah陆面过程方案在云南地区具有良好的适用性。上述的研究是该地区陆气相互作用的重要参考， 但由于陆气相互作用涉及到众多的大气变量、 陆面能量水分通量以及土壤温湿度等变量， 更加细致的评估需要在该地区进行。为此， 本研究将选取低纬高原为研究区域， 使用一种均匀抽样的方法， 构造WRF模式48组参数化方案组合开展数值模拟， 检验WRF模式对低纬高原陆气耦合强度及其相关变量的模拟性能， 模拟结果将有助于理解低纬高原气候变化， 并对该地区生态和水文等领域具有一定参考价值。

2 资料来源和方法介绍

2.1　研究区域

东南亚低纬高原区（18°N -30°N， 96°E -108°E， 以下简称低纬高原）包括云南、 四川南部、 贵州西部和广西西部及部分东南亚地区（图1）， 平均海拔大于1500 m。该地区位于青藏高原和中南半岛之间的过渡地带， 与孟加拉湾和中国南海相邻， 处于东亚和南亚夏季风的交界面（Cao et al， 2012）， 气候受季风和印度洋水汽输送影响明显。这种特殊的地理位置和地形共同造就了该地区干湿季节明显的气候特征（Cao et al， 2014； 秦剑等， 1997）。不仅如此， 低纬高原地形陡峭起伏， 下垫面植被覆盖度高， 类型复杂多样（赵凤君等， 2009）， 其陆气相互作用对区域气候具有重要影响。例如， 郑建萌等（2017）、 金燕等（2018）、 孙昭萱等（2022）和葛元凯等（2023）的研究发现在中国西南地区2011年为极端干旱年， 可能与该地区的陆气相互作用密切相关。为此本研究将以低纬高原为研究对象， 选取2011年模拟研究其陆气耦合强度及其相关变量的时空特征。
图1 研究区域海拔（彩色区， 单位： m）

黑色实线为省界， 红色虚线框为WRF模拟区域， 即东南亚低纬高原

Fig.1 Map of research region with altitude （color area， unit： m）.The black solid line is the provincial boundary and the red dotted line is the simulation area which is the low-latitude highland of Southeast Asia

文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS京（2022）1061号的中国地图制作， 底图无修改。

2.2　资料简介

本研究选用ERA5（ECMWF Re-Analysis， v5）作为WRF模式的输入场， 选取GLDAS（Global Land Data Assimilation System）用于评估WRF模式对低纬高原陆气耦合的模拟能力。下面是两套数据的详细介绍：
（1） ERA5资料： ERA5是由欧洲中期天气预报中心ECMWF（European Centre for Medium-Range Weather Forecasts）发布的第五代大气再分析数据集， 提供了全球的从地表到高空的多个垂直层次的大气变量， 该资料已经在全球得到了广泛的应用（Hersbach et al， 2020）。本研究选用了 ERA5中2011年， 空间分辨率0.25°×0.25°， 时间分辨率1 h的数据资料作为输入场。
（2） GLDAS资料： GLDAS全球陆面数据同化系统由美国国家航空航天局NASA（National Aeronautics and Space Administration）与美国国家海洋和大气管理局NOAA（National Oceanic and Atmospheric Administration） 美国国家环境预报中心NCEP（National Centers for Environmental Prediction）合作开发的陆面数据同化模型， 它提供了全球基于站点观测和卫星遥感相融合制作的大气驱动变量、 利用陆面模型输出的陆地表能量通量以及土壤温湿度等变量。已有大量研究验证了它与观测数据具有较好的一致性（Wu and Zhang， 2013）。本研究选取了GLDAS_VIC陆面模型的输出结果中2011年， 空间分辨率0.25°×0.25°， 时间分辨率3 h的数据资料用于评估， 评估变量为WRF的近地面气温（T2）、 近地面比湿（Q2）、 近地面风速（WS）、 降水（PR）、 感热通量（HFX）、 潜热通量（LH）、 地表向下短波（SWDNB）、 地表向下长波（LWDNB）、 地表向上短波（SWUPB）、 地表向上长波（LWUPB）、 表层土壤温度（TSLB5）、 表层土壤湿度（SMOIS5）以及陆气耦合强度。

2.3　研究方法

（1） 陆气耦合强度的衡量指标： 本研究选用Miralles et al（2012）提出的陆气耦合强度指标， 其计算方式如下：
∏ = ρ R n - λ E , T - ρ R n - λ E p , T
式中： ρ为两物理量间的皮尔森相关系数； R n为净辐射； E为实际蒸散发； λ为潜热蒸发系数； E p为潜在蒸散发； T为2 m处气温。式（1）表征了陆地表面的能量和水分通过蒸散发对气温所产生的影响， 可以反映陆气耦合强度的大小， Gevaert et al（2018）的研究表明该指标可以较好地衡量全球的陆气耦合特征。上式中， R n、 E和E p分别可表示为：
R n = S W ↓ - S W ↑ + L W ↓ - L W ↑
E = ρ a C w U ( q s - q a )
E p = 0.408 Δ R n - G + 900 γ U ( e s - e a ) / ( T + 273 ) Δ + γ ( 1 + 0.34 U )
式中： SW ↓、 SW ↑、 LW ↓和LW ↑分别为向下短波辐射、 向上短波辐射、 向下长波辐射和向上长波辐射； ρ a为空气密度； C w为地表交换系数； q s和q a分别为地表比湿和空气比湿； G为土壤热通量； ∆为饱和水汽压曲线的斜率； γ为湿度计算常数； T为2 m处气温； U为2 m处风速； e s和e a分别为饱和水汽压和实际水汽压。由以上公式（2）、 （3）和（4）可以看出， 陆气耦合与大气变量、 能量通量和陆地表变量密切相关， 因此本研究对这些变量进行评估。
（2） WRF模式多参数化方案模拟试验设计： WRF（Weather Research and Forecasting Model， v4.5）是由美国国家环境预报中心NCEP和美国国家大气研究中心NCAR（National Center for Atmospheric Research）开发的中尺度天气预报模式， 可用于模拟和预测天气和气候， 现已得到广泛的应用， 且已经有大量的研究证实了其在区域模拟方面的良好适用性（Lu et al， 2021； Dasari et al， 2014； Wang and Quiring， 2021）。WRF模式是一个完全可压缩的非静力模型， 采用混合垂直坐标， 坐标网格为Arakawa-C网格， 时间积分格式为二和三阶Runge-Kutta法， 水平和垂直方向均采用二至六阶平流方案（Skamarock et al， 2019）。WRF数值模式的主要物理过程包括： 微物理过程、 积云对流过程、 长波和短波辐射传输过程、 边界层和近地层湍流交换过程和陆面过程等， 每个物理过程均含有多个可选参数化方案， 在实际应用中可以采用不同的参数化方案进行组合开展模拟。
本研究中WRF的时间及网格设置如下： 本研究所选取的区域为低纬高原区域， 使用了以102°E和24°N为中心经纬度的墨卡托（Mercator）地图投影， 将整个区域划分为100×100的网格， 空间分辨率为15 km， 时间分辨率为6 h， 积分步长为60 s。
由于WRF模式参数化方案组合的众多， 其模拟性能无法逐一评估， 为此， 本研究采用了一种均匀设计（Uniform Design， UD）的方法， 对参数化方案组合进行抽样选取。UD方法的本质是一种蒙特卡洛方法， 其原理是将试验点均匀分布于定义域中（Fang et al， 2000）。UD试验的设计一般需要两个步骤： （1）确定试验的因子（factor）和等级（level）； （2）根据因子和等级确定试验表。在WRF模拟中， 本研究首先考虑了部分物理过程参数化方案之间的固定组合， 并进行了一系列预试验， 将无法正常运行的参数化方案组合剔除； 其次尽量避免了相似架构的方案重复使用； 最后按照UD试验将各物理过程的类型作为因子， 将每一类过程的不同参数化方案作为等级， 确定了以下方案用于模拟试验的组合， 如表1所示。
表1 用于UD试验的各WRF物理过程参数化方案的名称及编号

Table 1 Names and numbers of WRF parameterization schemes for UD

因子 等级1 等级2 等级3 等级4 等级5 等级6
陆面过程（L） Noah Noah-MP CLM4 Noah Noah-MP CLM4
边界层湍流交换过程（P） UW SH YSU GBM MYNN2 BouLac
积云对流过程（C） BMJ KSAS Tiedtke oldKF KF Grell
辐射传输过程（R） CAM RRTMG CAM RRTMG CAM RRTMG
微物理过程（M） NSSL SBU-YLin Milbrandt WDM6 Kessler Thompson
（3） 参数化方案的评估方法： 本研究使用了TSS（Taylor Skill Score）用于评估各参数化方案组合的模拟性能， 该方法的表达式如下（Taylor， 2001）：
T S S = 2 1 + R σ W R F σ R E F + σ R E F σ W R F 2
式中： R为WRF模拟值（以下简称模拟值）和GLDAS参考值（以下简称参考值）的相关系数， σ REF和σ WRF分别为模拟值和参考值的标准差。TSS是一个归一化的评分， 越接近于1表明模拟性能越好。

3 研究结果

3.1　 WRF集合模拟试验评估

根据表1方案， 本研究开展了48组UD集合模拟试验， 从图2中TSS的均值可以看到， 对于近地面气温、 近地面比湿、 地表向下长波、 地表向上长波和表层土壤温度， TSS的均值在0.8以上， 表明各模拟试验集合模拟能力较好； 对于近地面风速、 降水、 感热通量、 潜热通量地表向下短波和地表向上短波， TSS的均值在0.4~0.8之间， 表明集合模拟能够反映各变量的变化特征； 但是对于表层土壤湿度， TSS的均值均低于0.4， 表明集合模拟能力较差。从图2中TSS的变化范围可以看到， 对于近地面气温、 近地面比湿、 地表向下长波和地表向上长波， TSS的变化范围小于0.1， 说明不同参数化方案组合之间的模拟差异很小； 对于近地面风速、 降水、 潜热通量、 地表向下短波、 地表向上短波、 表层土壤温度和表层土壤湿度， TSS的变化范围在0.1~0.2之间； 但是对于感热通量， TSS的变化范围大于0.3， 说明不同参数化方案组合之间的模拟差异较大。
图2 各大气变量、 能量通量和土壤变量的TSS箱线图

箱内大点为均值， 横线为中位数， 箱外小点为异常值

Fig.2 TSS box-whisker plot of atmosphere， energy and soil variables， the large points are mean values， the horizontal lines are median values， and the small points are abnormal values

图3为不同变量的48组集合模拟试验的泰勒图， 其中空心点表示各组试验， 实心点表示最优组合。从图3中空心点的相关系数可以看到， 对于近地面气温、 近地面比湿、 地表向下长波、 地表向上长波和表层土壤温度， 相关系数在0.8以上， 但近地面温度、 地表向上长波和表层土壤温度中一部分试验的相关系数相对较小， 其对应的陆面方案为L2（Noah-MP）； 对于近地面风速、 潜热通量、 地表向下短波、 地表向上短波和表层土壤湿度， 相关系数在0.4~0.8； 对于降水和感热通量， 相关系数在0.4以下。从图3中空心点的标准差之比可以看到， 对于近地面气温、 近地面比湿、 潜热通量、 地表向下长波、 地表向上长波和表层土壤温度， 标准差之比接近于1.0， 表明不同组合间差异较小且集合模拟值与参考值比较接近； 对于近地面风速、 降水、 感热通量、 地表向下短波和地表向上短波， 标准差之比从0.5~1.5不等， 其中近地面风速和感热通量的很大一部分标准差之比甚至超过1.5， 表明不同组合间差异较大； 对于表层土壤湿度， 标准差之比接近于2.5， 表明集合模拟值与参考值有很大差别。
图3 各大气变量、 能量通量和土壤变量的标准化泰勒图

Fig.3 Taylor diagram of atmosphere， energy and soil variables

为了进一步优选参数化方案组合， 本研究对各试验不同变量的TSS取等权重平均， 并进行排序， 结果如图4所示， 其中数值越小排名越高， 可以看到第41号参数化方案组合具有最高的排名， 其对应的参数化方案组合即最优参数化方案组合为： L1（Noah）、 P5（MYNN2）、 C2（KSAS）、 R2（RRTMG）和M2（SBU-YLin）。如图3中实心点所示， 最优组合的相关系数较高， 同时模拟值与参考值标准差也更为接近。表2为最优组合与参考值之间的相关系数及标准差之比。如表2所示， 对于近地面气温、 近地面比湿、 地表向下长波、 地表向上长波和表层土壤温度， 相关系数在0.9以上， 且标准差之比都较接近于1.0； 对于降水、 感热通量、 潜热通量、 地表向下短波和地表向上短波， 相关系数在0.4至0.6之间； 对于近地面风速和表层土壤湿度， 标准差之比远大于1.0。
图4 各UD试验参数化方案组合的不同变量等权重平均TSS排名

Fig.4 Equal-weighted averaged TSS of different variables of different UD groups

表2 最优参数化方案组合与参考值之间的相关系数（ R ）及标准差之比（ σ' ）

Table 2 Correlation coefficient （ R ） and standard deviation ratio （ σ' ） between optimal schemes and reference value

变量

统计量

 气温 /℃ 比湿 /（g·kg-1） 风速 /（m·s-1） 降水 /（mm·d-1） 感热 /（W·m-2） 潜热 /（W·m-2） 向下短波 /（W·m-2） 向上短波 /（W·m-2） 向下长波 /（W·m-2） 向上长波 /（W·m-2） 土壤温度/℃ 土壤湿度 /（m3·m-3）
R 0.97 0.96 0.47 0.41 0.42 0.59 0.56 0.44 0.90 0.96 0.96 0.67
σ' 1.02 1.00 1.52 1.06 0.93 0.85 1.14 1.06 1.07 0.98 1.05 2.37

3.2　大气变量的模拟评估

图5为最优参数化方案组合模拟值的大气变量的空间特征与参考值的对比图。由近地面气温的对比可见［图5（a）， （b）］， 参考值与模拟值均呈现低纬高原西北较冷、 南部较暖的空间特征， 模拟值较参考值［图5（c）］在低纬高原大部分区域偏低， 但偏差小于1 ℃。类似地， 由近地面比湿的对比可见［图5（d）， （e）］， 参考值与模拟值均呈现低纬高原西北较干、 南部较湿的空间特征， 模拟值较参考值［图5（f）］在低纬高原大部分区域偏高， 但偏差小于1 g·kg-1。由近地面风速的对比可见［图5（g）， （h）］， 低纬高原西北部有一个风速大值区， 而模拟值在低纬高原的中东部均呈现一个大值区， 模拟值较参考值［图5（i）］在低纬高原大部分区域偏高， 且偏差大于1 m·s-1。由降水的对比可见［图5（j）， （k）］， 参考值与模拟值均呈现低纬高原东北部少雨、 西部和南部多雨的特征， 模拟值较参考值［图5（l）］在整个低纬高原大部分区域偏高， 且偏差大于1 mm·d-1。由此可知， 最优参数化方案组合能较好地模拟低纬高原近地面气温和比湿的空间特征， 但对风速和降水的空间特征模拟能力较差。
图5 近地面气温（a~c， 单位： ℃）、 近地面比湿（d~f， 单位： g·kg-1）、 近地面风速（g~i， 单位： m·s-1）和降水（j~l， 单位： mm·d-1）的参考值（左）、 模拟值（中）和偏差值（右）的空间特征

Fig.5 Spatial characteristics of reference （left）， simulation （middle） and deviation （right） of air temperature （a~c， unit： ℃）， specific humidity （d~f， unit： g·kg-1）， wind speed （g~i， unit： m·s-1） and precipitation （j~l， unit： mm·d-1）

图6为最优参数化方案组合模拟值的大气变量的时间变化与参考值的对比图。由近地面气温的对比可见［图6（a）］， 模拟值可以反映低纬高原夏季高温， 冬季寒冷的冷暖季变化， 且与参考值的时间相关系数接近于1.00。类似地， 由近地面比湿的对比可见［图6（b）］， 模拟值可以反映低纬高原夏季湿润， 冬季干燥的干湿季变化， 且与参考值的时间相关系数达到0.99。由近地面风速的对比可见［图6（c）］， 模拟值与参考值的时间相关系数达到0.91， 但模拟值较参考值明显偏大。由降水的对比可见［图6（d）］， 模拟值可以反映低纬高原夏季多雨， 冬季少雨的干湿季变化， 且与参考值的时间相关系数可达0.77， 但模拟值较参考值偏大。由此可知， 最优参数化方案组合能较好地模拟低纬高原近地面气温、 比湿、 风速和降水随时间变化的规律， 相关系数较高， 但对风速和降水模拟偏差较大。
图6 近地面气温（a）、 近地面比湿（b）、 近地面风速（c）和降水（d）的逐日演变

Fig.6 Daily time series of air temperature （a）， specific humidity （b）， wind speed （c） and precipitation （d）

3.3　感热潜热和辐射通量的模拟评估

图7为最优参数化方案组合模拟值的能量通量的空间特征与参考值的对比图。由感热通量的对比可见［图7（a）， （b）］， 参考值与模拟值均显示低纬高原西北部有一个感热通量大值区， 模拟值较参考值［图7（c）］在低纬高原西部偏低， 东部偏高， 且偏差大于10 W·m-2。由潜热通量的对比可见［图7（d）， （e）］， 参考值与模拟值均呈现低纬高原潜热通量西部和南部较大， 东北部较小的空间特征， 模拟值较参考值［图7（f）］在整个低纬高原大部分区域偏高， 且偏差大于20 W·m-2。由地表向下短波的对比可见［图7（g）， （h）］， 低纬高原西北部和西南部有一个地表向下短波大值区， 而模拟值没有低纬高原西南部的大值区， 却在低纬高原的东北部呈现一个大值区， 模拟值较参考值［图7（i）］在低纬高原西部偏低， 东部偏高， 但偏差小于20 W·m-2。类似地， 由地表向上短波的对比可见［图7（j）， （k）］， 参考值与模拟值均呈现低纬高原地表向上短波西北部较大的空间特征， 模拟值较参考值［图7（l）］偏差小于10 W·m-2。由地表向下长波的对比可见［图7（m）， （n）］， 参考值与模拟值均呈现低纬高原地表向下长波西北部较小、 南部较大的空间特征， 模拟值较参考值［图7（o）］在低纬高原中西部偏高， 但偏差小于10 W·m-2。类似地， 由地表向上长波的对比可见［图7（p）， （q）］， 参考值与模拟值均呈现低纬高原地表向上长波西北部较小、 南部较大的空间特征， 模拟值较参考值［图7（r）］偏差小于10 W·m-2。由此可知， 最优参数化方案组合能较好地模拟低纬高原地表向下向上短波以及向下向上长波的空间特征， 但对感热和潜热通量的空间特征模拟能力较差。
图7 感热通量（a~c， 单位： W·m-2）、 潜热通量（d~f， 单位： W·m-2）、 地表向下短波（g~i， 单位： W·m-2）、 地表向上短波（j~l， 单位： W·m-2）、 地表向下长波（m~o， 单位： W·m-2）和地表向上长波（p~r， 单位： W·m-2）的参考值（左）、 模拟值（中）和偏差值（右）的空间特征

Fig.7 Spatial characteristics of reference （left）， simulation （middle） and deviation （right） of sensible heat flux （a~c， unit： W·m-2）， latent heat flux （d~f， unit： W·m-2）， downward shortwave （g~i， unit： W·m-2）， upward shortwave （j~l， unit： W·m-2）， downward longwave （m~o， unit： W·m-2） and upward longwave （p~r， unit： W·m-2）

图8为最优参数化方案组合模拟值的能量通量的时间变化与参考值的对比图。由感热通量的对比可见［图8（a）］， 模拟值和参考值均显示低纬高原感热通量在春季达到最大值， 且二者的时间相关系数可达0.61， 但模拟值低估了感热通量。由潜热通量的对比可见［图8（b）］， 模拟值可以反映低纬高原潜热通量夏季大、 冬季小的变化， 且与参考值的时间相关系数达到0.80， 但模拟值高估了潜热通量。由地表向下短波的对比可见［图8（c）］， 模拟值和参考值均显示低纬高原地表向下短波春季达到最大值， 且二者的时间相关系数达到0.88。类似地， 由地表向上短波的对比可见［图8（d）］， 模拟值与参考值的时间相关达到0.82。由地表向下长波的对比可见［图8（e）］， 模拟值可以反映低纬高原地表向下长波夏季大、 冬季小的变化， 且与参考值的时间相关系数达到0.98。类似地， 由地表向上长波的对比可见［图8（f）］， 模拟值与参考值的时间相关达到0.99。由此可知， 最优参数化方案组合能较好地模拟低纬高原感热和潜热通量以及地表短波和长波辐射随时间变化的规律， 相关系数较高， 但模拟的感热和潜热通量偏差较大。
图8 感热通量（a）、 潜热通量（b）、 地表向下短波（c）、 地表向上短波（d）、 地表向下长波（e）和地表向上长波（f）的逐日演变

Fig.8 Daily time series of sensible heat flux （a）， latent heat flux （b）， downward shortwave （c）， upward shortwave （d）， downward longwave （e） and upward longwave （f）

3.4　土壤温湿度的模拟评估

图9为最优参数化方案组合模拟值的土壤温湿度的空间特征与参考值的对比图。由表层土壤温度的对比可见［图9（a）， （b）］， 参考值与模拟值均呈现低纬高原西北较冷、 南部较暖的空间特征， 模拟值较参考值［图9（c）］在低纬高原西北部偏高， 但偏差小于1 ℃。由表层土壤湿度的对比可见［图9（d）， （e）］， 低纬高原西北部表层土壤湿度较大， 而模拟值在低纬高原西北部表层土壤湿度较小， 却在低纬高原东部和南部较大， 模拟值较参考值［图9（f）］在低纬整个低纬高原大部分区域偏高， 且偏差大于0.05 m3·m-3。
图9 表层土壤温度（a~c， 单位： ℃）和表层土壤湿度（d~f， 单位： ×10-2 m3·m-3）的参考值（左）、 模拟值（中）和偏差值（右）的空间特征

Fig.9 Spatial characteristics of reference （left）， simulation （middle） and deviation （right） of soil temperature （a~c， unit： ℃） and soil moisture （d~f， unit： ×10-2 m3·m-3）

图10为最优参数化方案组合模拟值的土壤温湿度的时间变化与参考值的对比图。由表层土壤温度的对比可见［图10（a）］， 模拟值可以反映低纬高原夏季高温、 冬季寒冷的冷暖季变化， 且与参考值的时间相关系数接近于1.00。由表层土壤湿度的对比可见［图10（b）］， 模拟值可以反映低纬高原夏季湿润、 冬季干燥的干湿季变化， 表层土壤湿度在初春达到最小值， 且与参考值的时间相关系数可达0.75， 但模拟值较参考值明显偏大。
图10 表层土壤温度（a）和表层土壤湿度（b）的逐日演变

Fig.10 Daily time series of soil temperature （a） and soil moisture （b）

3.5　低纬高原陆气耦合强度的模拟评估

图11为最优参数化方案组合模拟值的2011年Π指标的空间特征和时间变化与参考值的对比图。由图11（a）耦合强度空间特征可见， 耦合强度在低纬高原西南部和东北部达到0.6以上， 表现出强烈的陆气耦合； 在中部为0.4以上， 表现出明显的陆气耦合； 而在西北部为0.2以下， 表现出的陆气耦合较弱。由图11（b）模拟的耦合强度空间特征可见， 模拟的耦合强度在低纬高原东北部达到0.6左右； 在西南部为0.4左右； 而在中部为0.2左右， 模拟的耦合强度与参考值相比具有较好的空间一致性， 但低于参考值。由图11（c）耦合强度时间变化可见， 耦合强度在春季较强， 且在3月达到最大值0.8， 但在夏秋季较弱， 在0.4以下； 模拟的耦合强度在春季较强， 且在4月达到最大值0.5， 可以反映时间变化规律， 但模拟的各月耦合强度弱于参考值。
图11 耦合强度Π指标的参考值（a）和模式值（b）的空间特征与逐月演变（c）

Fig.11 Spatial characteristics of reference （a）， simulation （b） and monthly time series of Π （c）

4 讨论

在陆气相互作用模拟研究中， 准确模拟陆气耦合强度对气候研究具有重要的作用。本研究发现WRF最优参数化方案模拟的耦合强度与参考值之间仍存在较大偏差， 何种物理量的模拟偏差引起了耦合强度的偏差值得深入讨论。为此本研究开展了一系列敏感性试验， 逐一使用模拟的气温、 比湿、 风速、 潜热通量、 向下短波辐射、 向上短波辐射、 向下长波辐射、 向上长波辐射和土壤湿度替换陆气耦合强度Π中的相应的参考值， 计算陆气耦合强度。由图12可见， 潜热通量和向下短波辐射对耦合强度的影响最为明显； 其次是比湿、 向上短波辐射和向下长波辐射； 气温、 风速、 向上长波辐射和土壤湿度的影响较小。结合前面的模式评估结果可知， 气温和向上长波辐射的模拟较好， 对耦合强度影响较弱， 而风速和土壤湿度的模拟较差， 说明风速和土壤湿度的模拟性能不足以影响耦合强度； 比湿、 向上短波辐射和向下长波辐射的模拟较好， 但耦合强度与参考值差异较大， 说明耦合强度对比湿、 向上短波辐射和向下长波辐射的模拟性能十分敏感； 潜热通量的模拟较差， 向下短波辐射的模拟较好， 二者耦合强度与参考值均存在较大偏差， 说明为了提升耦合强度的模拟能力需要改善潜热通量和向下短波辐射的模拟性能。
图12 各WRF变量模拟结果对耦合强度Π指标的影响

Fig.12 Influence of different WRF variables on Π

5 结论

东南亚低纬高原是全球陆气耦合的热点地区之一， 评估气候模式对其陆气耦合强度的模拟能力具有重要的科学意义。本研究利用WRF模式及GLDAS陆面数据集， 采用UD试验方法， 构造了WRF模式多参数化方案组合， 开展了集合模拟评估， 并获得了最优参数化方案组合， 在此基础上使用了陆气耦合指标Π， 评估了最优参数化方案组合对于陆气耦合强度及其相关变量的模拟能力。主要结论如下：
（1） 从UD试验构造的48组集合模拟试验中可发现， 对于近地面气温、 比湿、 地表向下长波、 向上长波和表层土壤温度， TSS的均值在0.8以上； 对于近地面风速、 降水、 感热通量、 潜热通量地表向下短波和向上短波， TSS的均值在0.4~0.8之间， 表明集合模拟可较好反映各变量的变化特征； 但是对于表层土壤湿度， TSS的均值均低于0.4， 表明集合模拟能力较差。对于近地面气温、 比湿、 地表向下长波和向上长波， TSS的变化范围小于0.1； 对于近地面风速、 降水、 潜热通量、 地表向下短波、 向上短波、 表层土壤温度和土壤湿度， TSS的变化范围在0.1~0.2之间， 表明不同参数化方案组合之间的模拟差异较小； 但是对于感热通量， TSS的变化范围大于0.3， 表明差异较大。
（2） 从最优参数化方案组合模拟的大气变量、 陆面通量和土壤温湿度中可发现， 模拟值与参考值之间的相关性均较好， 表明最优参数化方案组合能够合理地模拟各变量的时间变化。模拟的近地面气温、 比湿、 地表向下短波、 向上短波、 向下长波、 向上长波和表层土壤温度与参考值的偏差较小， 表明模拟效果较好； 但模拟的近地面风速、 降水、 感热通量、 潜热通量和表层土壤湿度与参考值的偏差较大， 相应模拟能力还有待提高。
（3） 从最优参数化方案组合模拟的低纬高原陆气耦合强度中可发现， 最优参数化方案组合可以合理地反映陆气耦合的空间特征和时间变化， 但模拟的耦合强度较参考值偏弱， 这一问题需要在陆气相互作用研究中加以重视。
本研究中选取的“最优”参数化方案组合只是相对于48组UD试验而言的， 并不意味着该组合在WRF的全部参数化方案组合中模拟性能最佳， UD试验样本量的大小对试验结果的影响还有待进一步研究。此外， 本研究选用GLDAS数据集作为参考值， 但不同的数据集之间也存在一定差异， 上述评估结果也可能受到数据资料的影响， WRF模拟结果与站点观测的评估研究仍有待在未来进一步开展。

References

null
Cao J， Hu J M， Tao Y， 2012.An index for the interface between the Indian summer monsoon and the East Asian summer monsoon［J］.Journal of Geophysical Research： Atmospheres， 117（D18）： 108.DOI：10.1029/2012JD017841 .
null
Cao J， Yao P， Wang L， et al， 2014.Summer rainfall variability in low-latitude highlands of China and subtropical Indian Ocean dipole［J］.Journal of Climate， 27（2）： 880-892.DOI：10.1175/JCLI-D-13-00121.1 .
null
Charney J， Quirk W J， Chow S， et al， 1977.A comparative study of the effects of albedo change on drought in semi-arid regions［J］.Journal of the Atmospheric Sciences， 34（9）： 1366-1385.DOI：10.1175/1520-0469（1977）034<1366：ACSOTE>2.0.CO；2 .
null
Dasari H P， Salgado R， Perdigao J， et al， 2014.A regional climate simulation study using WRF-ARW model over Europe and evaluation for extreme temperature weather events［J］.International Journal of Atmospheric Sciences， 2014： e704079.DOI：10.1155/2014/704079 .
null
Deardorff J W， 1978.Efficient prediction of ground surface temperature and moisture， with inclusion of a layer of vegetation［J］.Journal of Geophysical Research： Oceans， 83（C4）： 1889-1903.DOI：10.1029/JC083iC04p01889 .
null
Dickinson R E， 1983.Land surface processes and climate-surface albedos and energy balance［M］.Advances in Geophysics， 25： 305-353.DOI：10.1016/S0065-2687（08）60176-4 .
null
Dickinson R E， Henderson-Sellers A， Kennedy J， 1993.Biosphere-Atmosphere Transfer Scheme （BATS） version 1e as coupled to the NCAR community climate model［J］.NCAR Technical Note， 72.DOI：10.5065/D67W6959 .
null
Dirmeyer P A， 2006.The hydrologic feedback pathway for land-climate coupling［J］.Journal of Hydrometeorology， 7（5）： 857-867.DOI：10.1175/JHM526.1 .
null
Dirmeyer P A， Halder S， 2017.Application of the land-atmosphere coupling paradigm to the operational Coupled Forecast System， version 2 （CFSv2）［J］.Journal of Hydrometeorology， 18（1）： 85-108.DOI：10.1175/JHM-D-16-0064.1 .
null
Fang K T， Lin D K J， Winker P， et al， 2000.Uniform design： theory and application［J］.Technometrics， 42（3）： 237-248.DOI：10.1080/00401706.2000.10486045 .
null
Fu Y F， Ma Y， Zhong L， et al， 2020.Land-surface processes and summer-cloud-precipitation characteristics in the Tibetan Plateau and their effects on downstream weather： a review and perspective［J］.National Science Review， 7（3）： 500-515.
null
Gao C J， Chen H S， Sun S L， et al， 2018.A potential predictor of multi-season droughts in Southwest China： soil moisture and its memory［J］.Natural Hazards， 91（2）： 553-566.DOI：10.1007/s11069-017-3140-8 .
null
Gevaert A I， Miralles D G， de Jeu R A M， et al， 2018.Soil moisture-temperature coupling in a set of land surface models［J］.Journal of Geophysical Research： Atmospheres， 123（3）： 1481-1498.DOI：10.1002/2017JD027346 .
null
Guan X D， Shi R， Kong X N， et al， 2018.An overview of researches on land-atmosphere interaction over semi-arid region under global changes［J］.Advances in Earth Science， 33（10）： 995.DOI：10. 11867/j.issn.1001-8166.2018.10.0995 .
null
Hersbach H， Bell B， Berrisford P， et al， 2020.The ERA5 global reanalysis［J］.Quarterly Journal of the Royal Meteorological Society， 146（730）： 1999-2049.DOI：10.1002/qj.3803 .
null
Hu X M， Ma Z Q， Lin W L， et al， 2014.Impact of the Loess Plateau on the atmospheric boundary layer structure and air quality in the North China Plain： A case study［J］.Science of The Total Environment， 499： 228-237.DOI：10.1016/j.scitotenv.2014.08.053 .
null
Karl T R， Trenberth K E， 2003.Modern global climate change［J］.Science， 302（5651）： 1719-1723.DOI：10.1126/science.1090228 .
null
Koster R D， Dirmeyer P A， Guo Z， et al， 2004.Regions of strong coupling between soil moisture and precipitation［J］.Science， 305（5687）： 1138-1140.DOI：10.1126/science.1100217 .
null
Li Q， Yang T， Li L H， 2022.Quantitative assessment of the parameterization sensitivity of the WRF/Noah-MP model of snow dynamics in the Tianshan Mountains， Central Asia［J］.Atmospheric Research， 277： 106310.DOI：10.1016/j.atmosres.2022.106310 .
null
Lu S， Guo W D， Xue Y K， et al， 2021.Simulation of summer climate over Central Asia shows high sensitivity to different land surface schemes in WRF［J］.Climate Dynamics， 57（7）： 2249-2268.DOI：10.1007/s00382-021-05876-9 .
null
Meng L， Long D， Quiring S M， et al， 2014.Statistical analysis of the relationship between spring soil moisture and summer precipitation in East China［J］.International Journal of Climatology， 34（5）： 1511-1523.DOI：10.1002/joc.3780 .
null
Miralles D G， van den Berg M J， Teuling A J， et al， 2012.Soil moisture-temperature coupling： a multiscale observational analysis［J］.Geophysical Research Letters， 39（21）.DOI：10.1029/2012GL053703 .
null
Niu G Y， Yang Z L， Mitchell K E， et al， 2011.The community Noah land surface model with multiparameterization options （Noah-MP）： 1.Model description and evaluation with local-scale measurements［J］.Journal of Geophysical Research， 116（D12）.DOI：10.1029/2010JD015139 .
null
Oleson K W， Lawrence D M， Bonan G B， et al， 2010.Technical description of version 4.0 of the Community Land Model （CLM）［J］.NCAR Technical Note， 257.DOI：10.5065/D6FB50WZ .
null
Schaake J C， 1994.Science strategy of the GEWEX Continental-scale International Project （GCIP）［J］.Advances in Water Resources， 17（1-2）： 117-127.DOI：10.1016/0309-1708（94）90028-0 .
null
Sellers P J， Mintz Y， Sud Y C， et al， 1986.A Simple Biosphere Model （SIB） for use within general circulation models［J］.Journal of the Atmospheric Sciences， 43（6）： 505-531.DOI：10.1175/1520-0469（1986）043<0505：ASBMFU>2.0.CO；2 .
null
Sillmann J， Thorarinsdottir T， Keenlyside N， et al， 2017.Understanding， modeling and predicting weather and climate extremes： challenges and opportunities［J］.Weather and Climate Extremes， 18： 65-74.
null
Skamarock W C， Klemp J B， Dudhia J， et al， 2019.A description of the advanced research WRF model version 4［J］.NCAR Technical Note， 145.DOI：10.5065/1dfh-6p97 .
null
Sud Y C， Smith W E， 1985.The influence of surface roughness of deserts on the July circulation： a numerical study［J］.Boundary-Layer Meteorology， 33（1）： 15-49.DOI：10.1007/BF00137034 .
null
Sun S L， Chen H S， Ju W M， et al， 2017b.On the coupling between precipitation and potential evapotranspiration： contributions to decadal drought anomalies in the Southwest China［J］.Climate Dynamics， 48（11-12）： 3779-3797.DOI：10.1007/s00382-016-3302-5 .
null
Sun S L， Chen H S， Sun G， et al， 2017a.Attributing the changes in reference evapotranspiration in Southwestern China using a new separation method［J］.Journal of Hydrometeorology， 18（3）： 777-798.DOI：10.1175/JHM-D-16-0118.1 .
null
Taylor K E， 2001.Summarizing multiple aspects of model performance in a single diagram［J］.Journal of Geophysical Research： Atmospheres， 106（D7）： 7183-7192.DOI：10.1029/2000JD900719 .
null
Wang C， Qian Y， Duan Q Y， et al， 2021.Quantifying physical parameterization uncertainties associated with land-atmosphere interactions in the WRF model over Amazon［J］.Atmospheric Research， 262： 105761.DOI：10.1016/j.atmosres.2021.105761 .
null
Wang Y C， Quiring S M， 2021.Impact of soil moisture initializations on WRF-simulated North American monsoon system［J］.Journal of Geophysical Research： Atmospheres， 126（4）： e2020JD033858.DOI：10.1029/2020JD033858 .
null
Wang Z Q， Duan A M， Li M S， et al， 2016.Influences of thermal forcing over the slope/platform of the Tibetan Plateau on Asian summer monsoon： numerical studies with the WRF model［J］.Chinese Journal of Geophysics， 59（5）： 474-487.
null
Wang Z Q， Duan A， Wu G X， 2014.Time-lagged impact of spring sensible heat over the Tibetan Plateau on the summer rainfall anomaly in East China： case studies using the WRF model［J］.Climate Dynamics， 42： 2885-2898.
null
Wu L Y， Zhang J Y， 2013.Asymmetric effects of soil moisture on mean daily maximum and minimum temperatures over eastern China［J］.Meteorology and Atmospheric Physics， 122（3）： 199-213.
null
Yang K， Chen J H， Lu C S， et al， 2022.Impacts of regional uplift of the Tibetan Plateau on local summer precipitation and downstream moisture budget： a simulation study［J］.International Journal of Climatology， 42（16）： 8882-8903.DOI：10.1002/joc.7781 .
null
Zhang J Y， Wang W C， Wei J F， 2008.Assessing land-atmosphere coupling using soil moisture from the Global Land Data Assimilation System and observational precipitation［J］.Journal of Geophysical Research： Atmospheres， 113（D17）.DOI：10.1029/2008JD009807 .
null
葛元凯， 赵龙龙， 陈劲松， 等， 2023.1983-2020年西南地区气象干旱时空演变趋势及干旱事件识别［J］.生态环境学报， 32（5）： 920-932.DOI：10.16258/j.cnki.1674-5906.2023.05.010.Ge Y K ，
null
Zhao L L， Chen J S， et al， 2023.Spatio-temporal evolution trend of meteorological drought and identification of drought events in Southwest China from 1983 to 2020［J］.Ecology and Environmental Sciences， 32（5）： 920-932.DOI：10.16258/j.cnki.1674-5906.2023.05.010 .
null
姜琪， 罗斯琼， 李明， 2022.不同初始场及陆面方案对青藏高原中东部积雪消融过程的模拟研究［J］.高原气象， 41（2）： 430-443.DOI：10.7522/j.issn.1000-0534.2021.00115.Jiang Q ，
null
Luo S Q， Li M， 2022.Numerical assessment of various initial conditions and land surface schemes on the snow melting process over the Central and Eastern Qinghai-Xizang Plateau［J］.Plateau Meteorology， 41（2）： 430-443.DOI：10.7522/j.issn.1000-0534.2021.00115 .
null
金燕， 况雪源， 晏红明， 等， 2018.近55 年来云南区域性干旱事件的分布特征和变化趋势研究［J］.气象， 44（9）： 1169-1178.
null
Jin Y， Kuang X Y， Yan H M， et al， 2018.Studies on distribution characteristics and variation trend of the regional drought events over Yunnan in recent 55 years［J］.Meteorology Monthly， 44（9）： 1169-1178.
null
蓝天， 霍利微， 王冀， 等， 2021.2011年夏季西南极端干旱事件及其成因［J］.大气科学学报， 44（6）： 927-937.
null
Lan T， Huo L W， Wang J， et al， 2021.Extreme drought event and its causes in Southwest China in summer 2011［J］.Transactions of átmospheric Sciences， 44（6）： 927-937.
null
李崇银， 刘会荣， 宋洁， 2013.2009/2010 年冬季云南干旱的进一步研究——前期土壤湿度影响的数值模拟［J］.气候与环境研究， 18（5）： 551-561.
null
Li C Y， Liu H R， Song J， 2013.Further study of Yunnan drought during the 2009/2010 winter： Numerical simulation of impact of antecedent soil moisture［J］.Climatic and Environmental Research， 18（5）： 551-561.
null
秦剑， 琚建华， 解明恩， 1997.低纬高原天气气候［M］.北京： 气象出版社.
null
Qin J， Ju J H， Xie M E， et al.Weather and cliamte in the low latitued plateau［M］.Beijing： Meteorological Press.
null
尚程鹏， 吴通华， 姚济敏， 等， 2022.不同互补模型对青藏高原多年冻土区地表实际蒸散发的模拟能力评估［J］.高原气象， 41（3）： 541-557.DOI：10.7522/j.issn.1000-0534.2021.00054.Shang C P ，
null
Wu T H， Yang J M， et al， 2022.Evaluation of complementary relationship model on land surface actual evapotranspiration in the permafrost region of Qinghai-Xizang Plateau［J］.Plateau Meteorology， 41（3）： 541-557.DOI：10.7522/j.issn. 1000-0534.2021.00054 .
null
孙昭萱， 张强， 孙蕊， 等， 2022.2022年西南地区极端高温干旱特征及其主要影响［J］.干旱气象， 40（5）： 764-770.
null
Sun Z X， Zhang Q， Sun R， et al， 2022.Characteristics of the extreme high temperature and drought and their main impacts in Southwestern China of 2022［J］.Journal of Arid Meteorology， 40（5）： 764-770.
null
杨鹏武， 王学锋， 王麟， 等， 2016.WRF_TopoWind模式对中国低纬高原高山风速模拟的适用性研究［J］.云南大学学报（自然科学版）， 38（5）： 766-772.DOI：10.7540/j.ynu.20160060.Yang P W ，
null
Wang X F， Wang L， et al， 2016.A study on the applicability of WRF_TopoWind model to simulate the mountain wind speed of the low latitude plateau in China［J］.Journal of Yunnan University， 38（5）： 766-772.DOI：10.7540/j.ynu.20160060 .
null
赵凤君， 舒立福， 田晓瑞， 等， 2009.1957-2007年云南省森林火险变化［J］.生态学杂志， 28（11）： 2333.Zhao F J， Shu L F， Tian X R， et al， 2009.Change trends of forest fire danger in Yunnan Province in 1957-2007［J］.Chinese Journal of Ecology， 28（11）： 2333.
null
郑建萌， 黄玮， 陈艳， 等， 2017.云南极端气象干旱指标的研究［J］.高原气象， 36（4）： 1039-1051.DOI：10.7522/j.issn.1000-0534.2016.00067.Zheng J M ，
null
Huang W， Chen Y， et al， 2017.Study on meteorological extreme-drought index for Yunnan Province［J］.Plateau Meteorology， 36（4）： 1039-1051.DOI：10. 7522/j.issn.1000-0534.2016.00067 .
Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn